ویرگول
ورودثبت نام
تورینگ
تورینگنشریه انجمن علمی دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
تورینگ
تورینگ
خواندن ۶ دقیقه·۱ سال پیش

مصاحبه با دکتر محمدی - نگفته‌ها

این پست در راستای یکی از مقالات مجله تورینگ شماره ۳ می‌باشد که دلیل به حجم زیاد مطلب تصمیم بر این شد که یک سری از سوالات مصاحبه رو برای علاقه‌مندان در این‌جا قرار بدهیم.


+ اولین درسی که در دانشکده کامپیوتر ارائه دادید چه بود؟

درس‌های عجیبی بودند! اولین دروسی که تدریس کردم، «سیستم‌های نهفته» و «مدارهای واسط» برای مقطع کارشناسی بودند. این مربوط به ترم دوم سال ۱۳۹۶ است که ترم بسیار سختی برای من بود. از آنجایی که پیش‌زمینۀ من برق بود، این تصور وجود داشت که می‌توانم درس‌های سخت‌افزاری را خیلی خوب تدریس کنم. بنابراین، این دو درس به من سپرده شد و من نیز چون تازه‌کار بودم، پذیرفتم.

درس «سیستم‌های نهفته» تجربۀ خوبی شد؛ جستجو کردم، منابع را مطالعه کردم، مطالب را آماده کردم و در نهایت احساس کردم تدریس موفقی بود. اما «مدارهای واسط» داستان متفاوتی داشت. وقتی تحقیق کردم که این درس را پیش از این چه کسی تدریس می‌کرده و چه منابعی برای آن وجود دارد، متوجه شدم که بسیاری از منابع، قدیمی هستند. نهایتِ اطلاعاتی که پیدا کردم به مباحثی مانند دیسکت، سی‌دی، پورت موازی و سریال ختم می‌شد که برای سال ۱۳۹۶ دیگر چندان کاربردی نبودند، زیرا USB جایگزین آن‌ها شده بود. به همین دلیل مجبور بودم دیتاشیت‌ها و منابع مختلف را از ابتدا مطالعه کنم که کار بسیار دشواری بود. در نهایت، به نظرم این درس کیفیت خوبی نداشت و احتمالاً دانشجویانی که آن را گذراندند، خیلی راضی نبودند. البته تعدادشان هم کم بود؛ فقط چهار یا پنج دانشجو. خلاصه اینکه، ترم اولی که به علم و صنعت آمدم، بسیار چالش‌برانگیز بود. اما از ترم‌های بعدی، درس‌هایی که بیشتر با تجربۀ صنعتی من مرتبط بودند به من سپرده شد؛ مانند «سیگنال‌ها و سیستم‌ها»، «مبانی بینایی کامپیوتر» و «هوش مصنوعی». تدریس این دروس برای من بسیار راحت‌تر و دلپذیرتر بود.

+ یکی از مباحثی که این روزها در دنیا با پیشرفت هوش مصنوعی و مدل‌های زبانی بزرگ مطرح است، این است که هوش مصنوعی چقدر می‌تواند به یادگیری کمک کند و چقدر به آن آسیب می‌رساند؟

قطعاً هوش مصنوعی به یادگیری کمک می‌کند. بسیاری از کارها را دیگر لازم نیست دستی انجام دهیم و می‌توانیم سوالاتی را که پاسخشان را نمی‌دانیم، از آن بپرسیم و جواب‌های خوبی بگیریم. اما چالشی که وجود دارد، دقیقاً در نقطۀ مقابل بحث صبر قرار می‌گیرد. مسائلی را که شاید خودمان با کمی فکر کردن بتوانیم حل کنیم، به جای اینکه روی آن‌ها فکر کنیم، سریعاً به سراغ هوش مصنوعی می‌رویم و پاسخ را از آن می‌پرسیم. این پیدا کردن سریع جواب‌ها برای یادگیری چندان مناسب نیست، چون فرد تجربه‌ای کسب نمی‌کند و در آینده نیز نمی‌تواند خودش مسائل را حل کند.

یک مثال جالب در این زمینه این است که این مدل‌های زبانی بزرگ با حجم عظیمی از داده آموزش دیده‌اند و به بسیاری از سوالات پاسخ می‌دهند. برای مثال، یکی از منابع اصلی آن‌ها برای کدنویسی، وب‌سایت Stack Overflow بوده است. همین موضوع باعث شده که میزان سوالات جدید در Stack Overflow کاهش پیدا کند و این خود روی آموزش و بهبود مدل‌های زبانی بعدی تأثیر منفی گذاشته است. از طرفی، این آماده بودن پاسخ برای هر سوال، ذهن را تنبل می‌کند و باعث می‌شود فرد دیگر به مسائل فکر نکند؛ در نتیجه، یادگیری او نیز کاهش می‌یابد.

+ چرا انقدر سخت‌گیر هستید، با وجود اینکه یکی از مهربان‌ترین اساتید دانشکده به شمار می‌آیید؟

(با خنده) جملۀ اول شما درست است، اما دربارۀ دومی مطمئن نیستم! در مورد سخت‌گیری هم راستش را بخواهید نمی‌دانم؛ چون در ذهن خودم، هدف اصلی این است که دانشجویان از این کلاس چیزی یاد بگیرند. در کل، ارزیابی کردن برای من کار دشواری است. ایده‌آل من این بود که فقط تدریس کنم و بروم، بدون اینکه درگیر نحوۀ ارزیابی شوم، اما خب این مسئولیت هم به من سپرده شده و باید انجام شود.

من همیشه سعی می‌کنم منطقی نگاه کنم. مثلاً وقتی تمرین می‌دهم، در نظر دارم که دانشجویان فقط همین یک درس را ندارند و معمولاً شش درس سه‌واحدی دارند. بنابراین، حجم تمرین‌ها را متناسب با یک‌ششم از زمان یک دانشجو تنظیم می‌کنم. البته گاهی پیش می‌آید که تمرین‌ها سخت‌تر یا پیچیده‌تر از حد انتظار می‌شوند و بیشتر از زمان پیش‌بینی‌شده طول می‌کشند. اما در حالت ایده‌آل، باید در همان حدود یک‌ششم وقت دانشجو در هفته باشد؛ بخشی در کلاس و بخشی هم مربوط به تمرینات.

از نظر نمره، معمولاً نتایج چندان بد نیست. در امتحانات هم دوست دارم سوالاتی را مطرح کنم که نیاز به تفکر بیشتری داشته باشند؛ نه همۀ سوالات، ولی برخی از آن‌ها این ویژگی را دارند. در مجموع، این شرایط باعث می‌شود که سخت‌گیر شناخته شوم، هرچند اساتید سخت‌گیرتری از من نیز در دانشکده هستند.

خودم تجربۀ تحصیل در دانشگاه امیرکبیر را، هم در مقطع کارشناسی و هم کارشناسی ارشد، داشته‌ام. به نظرم در مقایسه با اساتید امیرکبیر، سخت‌گیری من در حد متوسط است؛ نه جزو سخت‌گیرترین‌ها هستم و نه آسان‌گیرترین‌ها. آنجا حجم تمرین‌ها و کارهای عملی بیشتر بود. در نهایت، اگر سخت‌گیری منطقی نباشد و به یادگیری منجر نشود، دیگر فایده‌ای ندارد. ولی از نظر من، انجام تمرین‌ها بسیار مفید است. در مجموع، آیا نظر میانگین دانشجویان این است که من استاد سخت‌گیری هستم؟

+ پاسخ مصاحبه‌کنندگان: این سوال، پیشنهاد خود دانشجویان بود!

با این وجود، میانگین نمرات دانشجویان معمولاً خیلی پایین نیست، ولی شاید کمی کمتر از میانگین دانشکده باشد. فکر می‌کنم میانگین دانشکده حدود ۱۵ و اندی است و میانگین نمرات من هم نزدیک به آن یا کمی پایین‌تر است. البته اگر حجم کار را در نظر بگیریم، شاید نسبت به نمره کمی نامتعادل به نظر برسد.

در هر حال، قصد ما آزار رساندن به دانشجویان نیست! ما در ابتدای ترم با دستیاران آموزشی جلسه می‌گذاریم و مشورت می‌کنیم که چطور درس را بهتر ارائه دهیم. هدف ما این نیست که دانشجویان اذیت شوند، بلکه هدف از تمرین‌ها، یادگیری است. در امتحانات هم لازم است تفاوتی بین دانشجویان باشد، چون بالاخره یک نفر بهتر مطالعه کرده و دیگری کمتر؛ این افراد باید از یکدیگر متمایز شوند. معمولاً در هر ترم چند دانشجو نمرۀ ۲۰ می‌گیرند، پس این‌طور نیست که حداکثر نمره هرگز به ۲۰ نرسد. در عین حال، دانشجویانی هم هستند که نمراتشان پایین می‌شود. در نهایت، اگر سخت‌گیری بی‌مورد باشد، باید آن را تغییر داد.

+ سوال دیگری که مطرح است این است که معیارهای انتخاب اساتید جدید چیست؟ آیا علاوه بر رزومۀ علمی، توانایی تدریس و انتقال مفاهیم نیز سنجیده می‌شود؟

من تا به حال در جلسات جذب حضور نداشته‌ام، اما از آنجایی که اخیراً مدیر گروه هوش مصنوعی شده‌ام، احتمالاً در آینده در این جلسات شرکت خواهم کرد. با این حال، روند کلی به این شکل است که ابتدا مدارک بررسی می‌شوند که شامل معدل، دانشگاه محل تحصیل، تعداد مقالات و سوابق پژوهشی و صنعتی فرد است.

سپس در مرحلۀ مصاحبه، علاوه بر سوابق علمی، توانایی تدریس و فن بیان نیز ارزیابی می‌شود. معمولاً یک مصاحبۀ ۱۵ تا ۳۰ دقیقه‌ای برگزار می‌شود که در آن، توانایی انتقال مفاهیم سنجیده می‌شود. برای برخی افراد، تجربۀ تدریس در دانشگاه‌های دیگر هم مورد بررسی قرار می‌گیرد و نظر دانشجویان قبلی دربارۀ کیفیت تدریسشان ملاک قرار داده می‌شود. برای مثال، خودم قبل از علم و صنعت تجربۀ تدریس در برخی دانشگاه‌های دیگر را داشتم و این به فرایند جذب من کمک کرد.

در مجموع، هم توانایی پژوهشی و هم مهارت تدریس مورد توجه قرار می‌گیرند؛ زیرا برای دورۀ کارشناسی، تدریس اهمیت ویژه‌ای دارد و برای مقاطع تکمیلی، پژوهش نیز نقش کلیدی ایفا می‌کند.

هوش مصنوعیمصاحبه
۰
۰
تورینگ
تورینگ
نشریه انجمن علمی دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
شاید از این پست‌ها خوشتان بیاید